銀行擁有海量數據,從客戶信息到每日各個渠道產生的業務與交易信息,結合每日的財務運營核算信息,其中蘊含了大量的反映銀行業務經營狀況和能夠幫助實現客戶洞察的線索。銀行經常面臨業務人員和技術人員的雙重挑戰,業務人員經常抱怨“我們擁有大量數據,但卻只能看到很小的一部分,數據分析到底對我們有什么用?”技術人員經常感慨“天天做數據,幾乎都在做應用和報表,也不知道業務人員到底想分析什么”。

由此可見,讓數據發揮價值,依賴于分析人員對于數據的了解程度,以及數據分析的結果與實際業務需求的匹配程度

一方面,對數據了解的程度越深,越能預知到數據不能做什么,只有避開問題數據,尋找合理可行的分析方案,才能獲得正確的分析結果;另一方面,數據分析的結果與業務實際需求匹配程度越高,越能運用到實際的業務處理環節中,幫助獲取新的業務改善機會,從而促進業務人員的工作提升。因此,產品間的數據聯通性和適用的業務場景有極大的關聯性,而這一點卻恰恰是銀行業普遍比較難把控的。

  • 文思海輝金融打造方案提升銀行數據價值

    文思海輝·金融基于多年對客戶、財務、風險、運營業務板塊的深刻理解,集成多種數據訪問渠道,利用可視化技術,已形成一套完整的銀行數據價值提升方案,可為風險管理、財務分析、客戶營銷、運營提升、績效管理等銀行決策分析領域提供方案設計、管理制度設計、產品部署、系統實施等多種服務。

    文思海輝·金融銀行數據價值提升方案提出三大創新措施

    (一)端到端解決方案,該方案是從數據需求到應用展現的一體化解決方案,由客戶提供所需數據,在部署產品/方案后即可快速實現應用。

    (二)數據一致性保障,不同應用/產品基于同一的基礎數據需求,保證了應用間的數據貫通,從而確保數據一致性。

    (三 )綜合價值提升方案,該方案既可基于文思海輝·金融現有產品體系進行快速部署,適用于需求契合的中小銀行,也可基于文思海輝·金融解決方案進行客戶化實施,適用于開發體系復雜規范的大中銀行 

    目前,數據分析領域被分為六大類,分別是:財務、客戶、績效、風險、合規、運營,每個分析領域又可分為若干小類,如下圖中所示: 

     

    銀行根據不同的分析目標,應采用不同的分析方法和展現方式,如:客戶提升預測,需要借助數據挖掘統計方法,同時將預測結果與客戶營銷應用系統相關聯,提示客戶經理進行針對性營銷;或者如財務經營分析,則經常通過指標預加工和管理駕駛艙展現方式向決策者提供可視化信息支持。

    文思海輝·金融經過十多年的數據分析領域研究,總結了一套行之有效的信息價值提升方案,涵蓋產品、場景、管控等一系列解決方案,如下圖中所示:

     

     

  • 信息精準匹配,提升分析效率

文思海輝·金融將分析手段劃分為四大類

第一類:專業應用

承擔客戶、風險、財務、監管等領域的全面分析,通常有專門的應用系統進行信息管理和服務,文思海輝·金融總結了一套針對四大分析領域所關注的不同的信息模型,銀行可根據實際應用和系統情況進行客戶化建設。

第二類:固定信息應用

主要體現在報表和組件實施管理兩大方式,文思海輝·金融總結了37張常規報表設計和相關數據需求,為小型/新興銀行實現一站式管理,從而在初始化建設數據分析環境時達到快速部署實施的目的。同時文思海輝·金融總結了7個組件模型,如客戶流失評分組件,可由其他應用快速調用組件接口并部署在相關的業務處理環節中。

第三類:靈活信息應用

包括在線自助分析和數據挖掘兩大應用方向,為高級業務分析用戶提供深入的數據探查平臺。文思海輝·金融基于多家銀行的靈活分析平臺和數據挖掘平臺的成功實施經驗,提煉了一套平臺開發原型產品,覆蓋從需求管理、術語定義、應用平臺的全面解決方案。

第四類:決策支持平臺

主要面向管理決策層,包括指揮中心和報告中心,通過形象化、直觀化、具體化地展示經營數據,實時反映企業的運行狀態,為決策提供信息支持;同時涵蓋內外部關鍵調研分析報告,供相關人員查詢參考,文思海輝·金融提煉出240個關鍵經營指標,并建議相關的展示方式,供需求和實施人員參考使用。

上述四類分析應用并不是孤立的,他們基于統一的基礎、加工數據,利用信息管控技術,將技術標準定義和業務標準定義管理起來,使得信息使用人員可以方便快捷的查詢到數據口徑,判斷是否滿足分析需求。

將合適的信息以合適的方式傳遞到合適的人,文思海輝·金融認為,信息技術團隊應致力于保證數據安全性和數據易用性,通過完善的團隊建設和制度流程管理,讓信息精準可達,發揮其真正的價值。

未來,文思海輝·金融將進一步在銀行信息價值提升領域持續發力,并主要從三大方面進行深化。首先,完善解決方案體系,提供全面產品原型,實現數據支撐基礎產品研發,豐富業務場景設計;其次,擴充行業支持,面向泛金融領域提供專業解決方案,擴展基于消費信貸、租賃、資產管理等其他金融公司專項解決方案;最后,打通產品間的業務關聯性,提高全面數據分析支持程度,使產品間的無縫切換順應從業務決策到問題分析的數據需求粒度逐級深入,貫穿數據分析全流程。